2026-10-02 트렌드 위키
트렌드 스냅샷
2026-10-02(KST) 기사 38건을 집계했습니다. 주요 키워드: AI 에이전트, LLM, 오픈소스, IT, AT. (LLM 서사 생성 실패 — 표는 실데이터 기반입니다.)
트렌드 — 라이저 / 폴러
| 엔티티 | 오늘 | 최근7 | 직전7 | 추세 |
|---|---|---|---|---|
| AI 에이전트 | 5 | 29 | 46 | ▼ |
| LLM | 3 | 17 | 24 | ▼ |
| 오픈소스 | 3 | 18 | 14 | ▲ |
| IT | 3 | 13 | 9 | ▲ |
| AT | 3 | 13 | 11 | ▲ |
| 벤치마크 | 3 | 7 | 21 | ▼ |
| 성능 최적화 | 3 | 7 | 13 | ▼ |
| 디퓨전 모델 | 3 | 11 | 8 | ▲ |
| Geometry | 3 | 9 | 13 | ▼ |
| Sampling | 3 | 10 | 4 | ▲ |
| Fine-Grained | 3 | 3 | 0 | ▲ |
| AI 코딩 | 2 | 7 | 10 | ▼ |
그래프 개요
오늘 같이 등장한 상위쌍(공출현):
| A | B | 공출현 |
|---|---|---|
| AI 에이전트 | PI | 2 |
| AI 에이전트 | AI 코딩 | 2 |
| Fine-Grained | 벤치마크 | 2 |
| PI | AI 코딩 | 2 |
| 디퓨전 모델 | Denoising | 2 |
| 성능 최적화 | 벤치마크 | 2 |
| 터미널 | AI 에이전트 | 2 |
| 터미널 | PI | 2 |
| 터미널 | AI 코딩 | 2 |
| Accurate | Policies | 1 |
| Accurate | 강화학습 | 1 |
| Accurate | Value | 1 |
| Accurate | Art | 1 |
| Accurate | Online | 1 |
| Accurate | Forward | 1 |
주목 관계
- MCP → AI 에이전트 (상위 개념)
- AI 에이전트 → LLM (상위 개념)
- AI 에이전트 → AI (상위 개념)
- Claude → AI 에이전트 (상위 개념)
- AI 에이전트 → RAG (사용/의존)
- AI 에이전트 → ML (사용/의존)
- AI 에이전트 → MCP (사용/의존)
- AI 에이전트 → Codex (사용/의존)
- Harness → AI 에이전트 (구성요소)
- AI 에이전트 → 터미널 (사용/의존)
- AI 에이전트 → Python (사용/의존)
- Gemini → AI 에이전트 (상위 개념)
- LLM → AI 에이전트 (구성요소)
- AI 에이전트 → API (사용/의존)
- AI 에이전트 → 오픈소스 (사용/의존)
- AI 에이전트 → CLI (사용/의존)
- Cursor → AI 에이전트 (사용/의존)
- AI 에이전트 → 클라우드 (사용/의존)
- AI 에이전트 → Windows (사용/의존)
- AI 에이전트 → 프롬프트 엔지니어링 (사용/의존)
오늘의 기사
- Show GN: MailBroom - iPhone에서 메일을 기기 내 AI로 분류·정리하는 앱 — Psycho-phone, iPhone, 이메일
- Show GN: ascii-nature - 쉬다가세요 — Mature, Claude
- Show GN: kontext-brain-ts - 출처 근거를 추적하는 TypeScript 지식 그래프 RAG — TS, TypeScript, RAG
- Show GN: 글가드 - macOS에서 한글 조합 중 글자가 사라지는 문제를 줄이는 입력기 — macOS
- Show GN: Brief - AI Slop이 만든 기——인 글을 GeekNews 요약처럼 만들어 주는 Mac 앱 — 네트워킹, Mac
- Show GN: oh-my-jev - Jev-Style 판단 모델을 벤치마크하고 테스트하고 직접 파인튜닝까지 가능한 오픈소스 도구 — TypeSafe, Jev, 오픈소스, 파인튜닝
- Show GN: 김프보드 - 김치프리미엄·수급·아파트 신고가를 공개 데이터로 모은 무료 대시보드
- AI-Infra-Guard - AI 인프라와 에이전트를 점검하는 오픈소스 레드팀 플랫폼 — LLM, 취약점, 보안, AI 에이전트, 오픈소스
- Pi Durable - 중단된 작업을 이어가는 AI 에이전트 하네스 — 터미널, AI 에이전트, Harness, PI, AI 코딩
- Netflix는 어떻게 창작자들이 AI 전환을 신뢰하게 했나
- AI 네이티브 회사에서 일한다는 것 — 생산성
- 소프트웨어를 만드는 여러분께 — YouTube
- Pi 1.0 출시 - 미니멀한 터미널 코딩 에이전트 — 터미널, AI 에이전트, PI, AI 코딩
- Show GN: 애플 워치·갤럭시 워치를 Plaud처럼 쓰게 해 주는 오픈소스 녹음·전사 앱 Recly — Apple, 오픈소스
- Cloudflare K2 - 서버리스 이벤트 스트림 — Cloudflare
- Git 3.0의 SHA-256 기본값 전환은 값비싼 실수다 — GitHub, git
- 생각을 정리하는 도구로서의 커밋 설명
- 벡터 데이터베이스여, 안녕 — 시맨틱 검색
- Show GN: 노션 마크다운 불편해서 직접 만든 에디터 — Markdown, 에디터, UI, Obsidian, Notion
- Moore, Escher, Penrose: A Conformal Golden Braid — Related, AT, Conformal, Geometry, IT
- Sphere Encoder 2 — Limits, Decoding, Reconstruction, High-Dimensional, Training
- One Basis to Animate Them All: Gaussian Blendshape Distillation for Real-Time Avatars — Gaussian, Real, Support, Bottleneck, 모델 추론
- KaliBench: A Fine-Grained Benchmark for Cybersecurity Tool Use on Kali Linux with Runtime-Free Verifiable Rewards — LLM, Linux, Fine-Grained, Translator, Runtime
- ROWBench: Do Video Models Render What the Program Specifies? — Program, Fine-Grained, Dynamic, Render, 월드 모델
- Reconstruct, Practice, Go Real: Guided Self-Improvement for Embodied Agents — Self-Evolving, Robot, Reliable, AI 에이전트, across
- Embedding Prediction Helps Image Generation — Help, AT, 임베딩, 임베디드, LABEL
- ScholarCatalyst: A Benchmark for Retrieving Papers That Inspire New Research — AT, Study, Solving, 성능 최적화, 벤치마크
- SILSA: Sliding-Window Slice Latents for Topology-Preserving High-Resolution 3D Generation — Compact, Geometry, Generating, Consistency, Cost
- TACO: Ternary Absolute-max Column-wise One-sparse Optimizer for LLM Fine-Tuning — through, Fit, Updates, LLM, Optimizers
- FERPO: Forward Entropy-Regularized Policy Optimization — Critic, Accurate, Policies, 강화학습, Value
- Hierarchical Continuous Diffusion Language Models — Parallel, Decoding, Statistical, 자기회귀, 디퓨전 모델
- Every Ablation Is a Dose: Counterweights and the Semblance of Self-Repair — Self-Evolving, Components, Coordinate, Study, Point
- AutoCompact: Learning When to Compact Context in Long-Horizon Coding Agents — through, Long-Horizon, Compact, AI 에이전트, Writing
- Muon meets Tamed Langevin: Momentum Preconditioning beyond Convex and gradient-Lipschitz Potentials — Locally, Spectral, Muon, Sampling, Convex
- Sample complexity bounds for categorical Markov random fields via Discrete Diffusions — Simple, Bounds, 물리학, Complexity, Markov
- Wasserstein Gradient Flows and Forward-Only Diffusion Are Not Enough for Multimodal Sampling — Processes, 디퓨전 모델, Sampling, 알고리즘, Flow
- The Curvature of Regret in Contextual Linear Optimization — Contextual, Optimizers, Linear, Cost, Error
- Meta가 AI 데이터센터를 활용해 수십억 달러의 세금을 회피하는 방법 — NVIDIA, Meta
태그
AI 에이전트 · LLM · 오픈소스 · IT · AT · 벤치마크 · 성능 최적화 · 디퓨전 모델 · Geometry · Sampling · Fine-Grained · AI 코딩 · 터미널 · Real · 파인튜닝 · Cost · Random · through · Self-Evolving · PI · Study · Forward · Decoding · Compact · Discrete · Bottleneck · Muon · Optimizers · Denoising · Rewards · Claude · 프롬프트 엔지니어링 · GitHub · Training · 보안 · UI · macOS · 에디터 · Harness · Linux